🎯 О чём этот конспект: Разбор архитектуры маркетингового хаба на базе Obsidian (AI Marketing Hub Home), объединяющего специализированных ИИ-агентов (Claude Code / Codex), библиотеки знаний («Brains»), каталоги навыков («Skills») и проверочные списки («Checklists»). Автор показывает, как заменить хаотичный промптинг единой файловой системой с агентными ролями, защитными шлюзами (Guardrails), логированием каждого шага и обучением с подкреплением (Reinforcement Learning).

👤 Кому будет полезно: Вайбкодерам, AI-инженерам, маркетологам, фаундерам SaaS и владельцам агентств, которые хотят автоматизировать контент-маркетинг, аудит SEO, закупку рекламы и аутрич без генерации спама и потери контекста.

✨ Что получите: Пошаговое понимание того, как устроена локальная агентная экосистема в Obsidian, как выстроить роли оркестратора и исполнителей, подключить единую точку входа /home к Claude Code и управлять расходами на внешние API.

1. Архитектура локального AI-хаба на базе Obsidian и единая точка входа

Контекст: Большинство попыток запуска мультиагентных систем для маркетинга упираются в хаос: диалоги теряются в чатах, история действий не сохраняется, а установка десятков разрозненных MCP-серверов или плагинов засоряет контекстное окно LLM описаниями инструментов. Решением выступает локальное хранилище Obsidian (Vault), где все регламенты, шаблоны и профили проектов оформлены как обычные Markdown-файлы. Вместо инсталляции сотен отдельных скиллов используется единая точка входа — корневой контекст /home. Когда агент (Claude Code) запускается внутри такого репозитория, он получает доступ ко всем инструкциям через файловую структуру, сохраняя чистоту контекста и работая стабильно даже в базовой («голой») конфигурации модели.

Тайминг: ▶ 00:08▶ 04:46▶ 13:17

Выгода:

• Нулевое загрязнение системного промпта: агент подгружает только те файлы и навыки, которые нужны для текущей подзадачи.
• 100% владение данными: вся база знаний, артефакты и логи сохраняются локально в Markdown.

Как применить:

• Шаг 1: Инициализация файловой структуры хаба — Obsidian / Terminal] — Создайте структуру директорий для хранения сущностей хаба: агентов, знаний, проектов и логов сессий.

mkdir -p ai-marketing-hub/{agents,brains,checklists,skills,templates,workflows,projects,knowledge,sessions}
cd ai-marketing-hub

• Шаг 2: Создание корневой конфигурации /home — IDE / Obsidian] — Создайте файл AGENTS.md или HOME.md в корне, описывающий протокол маршрутизации задач между поддиректориями.

# AI Marketing Hub - Root Protocol (/home)
 
You are operating within the AI Marketing Hub workspace.
When receiving a task:
1. Identify target project in `/projects/<project_name>/`.
2. Select appropriate workflow from `/workflows/`.
3. Reference standards from `/brains/` and `/checklists/`.
4. Log all decisions and state transitions in `/sessions/`.
5. Require explicit human approval before external API calls.

Результат: Готовый каркас репозитория, который агент Claude Code может прочитать при первом запуске и ориентироваться по внутренней структуре без внешних настроек.

2. Разделение ролей агентов: Оркестратор, Исполнители и Души («Souls»)

Контекст: Универсальный агент, пытающийся одновременно планировать стратегию, писать тексты и проверять техническое SEO, быстро деградирует в качестве. В системе хаба реализовано жесткое разделение обязанностей между агентами с заданными персоналиями («Souls») и системными промптами (AGENTS.md). Оркестратор (например, Richard) отвечает исключительно за декомпозицию задач, выбор нужного рабочего процесса и передачу инструкций исполнителям; у него нет прикладных навыков генерации. Узкоспециализированные агенты (Arjun — SEO и бэклинки, Emre — блоги и контент) содержат встроенные списки навыков, шаблоны и стандарты валидации своего направления.

Тайминг: ▶ 04:05▶ 10:25▶ 10:46

Выгода:

• Исключение галлюцинаций за счет изоляции контекста: агент блога не отвлекается на технические правила настройки метатегов или биддинга рекламы.
• Масштабируемость команды: добавление нового направления требует создания одной папки с системным промптом и привязанными навыками.

Как применить:

• Шаг 1: Настройка системного промпта Оркестратора — Obsidian / Markdown] — Создайте файл agents/richard/AGENTS.md, запрещающий агенту выполнять работу напрямую и обязывающий его делегировать задачи.

# Role: Richard (Marketing Orchestrator)
 
 
---
 
## Mission
You analyze client briefs, assign tasks to specialized sub-agents, monitor checklists, and enforce quality gates.
 
 
---
 
## Directives
- NEVER write marketing copy or execute SEO scripts directly.
- Route content creation tasks to `agents/emre/` (Blog Specialist).
- Route backlink/SEO audit tasks to `agents/arjun/` (SEO Specialist).
- Validate all deliverables against `/knowledge/guidelines/` before requesting human approval.

• Шаг 2: Настройка специализированного агента контента — Obsidian / Markdown] — Создайте профиль агента agents/emre/AGENTS.md с привязкой к конкретным шаблонам и правилам фактчекинга.

# Role: Emre (Blog & Editorial Specialist)
 
 
---
 
## Mission
Produce high-authority, White-Hat longform articles using source citations and structured workflows.
 
 
---
 
## Required Assets
- Workflow: `/workflows/pro-blog-workflow.md`
- Brain: `/brains/blog-strategy.md`
- Output Format: `/templates/pro-blog-package.md`

Результат: Четкая иерархия AI-команды, где оркестратор управляет пайплайном, а профильные исполнители работают строго по своим регламентам.

3. База знаний («Brains») и верифицированные чек-листы (Checklists)

Контекст: Генерация текстов на базе сырых знаний LLM приводит к поверхностному и спамному контенту (AI slop), который фильтруется поисковыми системами. В хабе используется концепция «Brains» — библиотек лучших отраслевых практик, собранных из более чем 474 авторитетных источников (включая документацию Google Search Central, Bing Webmaster Guidelines, PageSpeed Best Practices). В связке с ними работают интерактивные чек-листы по нишам: локальный бизнес, SaaS, E-commerce, B2B Lead Gen, агентства. Перед отправкой результата агент обязан построчно сопоставить артефакт с соответствующим чек-листом.

Тайминг: ▶ 02:57▶ 05:40▶ 07:22

Выгода:

• 100% соответствие белым (White-Hat) стандартам SEO: исключение санкций от Google за спам.
• Высокие показатели PageSpeed Insights и Core Web Vitals (результаты 100/100 на сайтах автора).

Как применить:

• Шаг 1: Создание структуры чек-листа для локального SEO — Obsidian] — Добавьте файл checklists/local-seo.md с четкими критериями верификации данных компании.

# Local SEO & Service Business Checklist
 
 
---
 
## 1. Core Business Profile
- [ ] Exact NAP consistency (Name, Address, Phone) across all pages
- [ ] Geo-tagged Schema.org markup (`LocalBusiness` / `ServiceArea`)
- [ ] Embedding Google Business Profile iframe and map coordinates
 
 
---
 
## 2. On-Page & Performance
- [ ] Mobile PageSpeed score >= 95
- [ ] WebMCP / Structured Data valid without warnings
- [ ] Localized H1/H2 keywords based on city and target service

• Шаг 2: Привязка знаний Brains к генерации контента — Obsidian] — Опишите в brains/blog-strategy.md правила цитирования источников и исключения AI-штампов.

# Content Authority Standard (Anti-Slop Protocol)
 
1. Every claim, stat, or numerical insight MUST cite an authoritative external source or direct data pool.
2. Embed relevant media (diagrams, Markdown tables, YouTube links) natively.
3. Pass through the `Verifier` agent for discourse analysis and semantic search intent match before publishing.

Результат: Агенты опираются на верифицированные базы знаний вместо случайных обобщений, генерируя контент экспертного уровня.

4. Защитные шлюзы (Approval Gates) и петля обучения с подкреплением (Reinforcement Learning)

Контекст: Полная автономность агентов опасна двумя вещами: неконтролируемым списанием денег за вызовы платных API (например, DataForSEO, SerpApi) и публикацией невалидного контента. В AI Marketing Hub встроен механизм человеческого шлюза (Approval Gate / Human-in-the-loop): агент формирует запрос с указанием стоимости и ждет явного одобрения (Accept / Deny). Одновременно работает локальная система подкрепления: если результат принят, агент получает положительное подкрепление («cookie»), сохраняемое в файл learnings/, а в случае отказа — отрицательное подкрепление («slap») с фиксацией ошибки в журнале, что предотвращает повторение бага в будущих сессиях.

Тайминг: ▶ 01:00▶ 11:30▶ 11:54

Выгода:

• Полный финансовый контроль над API-бюджетами.
• Постоянная самооптимизация системы на основе ваших правок и реджектов без дообучения весов модели.

Как применить:

• Шаг 1: Конфигурация шлюза платных API — Markdown / Script] — Внедрите в файл инструкций шлюза knowledge/approval-gate.md требование формировать запрос перед вызовом инструментов.

# Paid API Approval Protocol
 
Before calling any billable API (e.g., DataForSEO, scraping endpoints, paid ad deployments):
1. Calculate estimated cost in USD.
2. Generate an Approval Request card in `/sessions/inbox/`.
3. PAUSE execution until property `status` changes from `PENDING` to `APPROVED`.
 
Format:
- API Target: DataForSEO Backlink Profile
- Estimated Cost: $0.15
- Status: PENDING

• Шаг 2: Реализация журнала обучения (Learner Loop) — Obsidian] — Создайте файл knowledge/learnings/rules.md, куда оркестратор или специальный агент Learner записывает выводы после каждого ревью.

# Dynamic Execution Learnings
 
 
---
 
## Entry 2026-03-28 (SEO Backlink Outreach)
- Status: REJECTED (Slap)
- Reason: Agent Arjun generated generic template outreach emails without personalized recent article references.
- Corrective Action: For all future outreach, inject at least 1 verified anchor quote from the target domain's latest post.

Результат: Безопасное выполнение задач с защитой кошелька и автоматическим накоплением опыта внутри локальной базы знаний.

5. Запуск и управление агентами через интерфейс Obsidian и Claude Code

Создание заметок-триггеров: Вся работа внутри Obsidian управляется визуально: через Канбан-доски, задачи, связи графа и нативные заметки. Пользователь может создать новую заметку, указать теги задачи и целевой домен, а затем в один клик запустить Claude Code (внутри встроенного терминала Obsidian или во внешнем окне), скормив агенту контекст заметки.

Тайминг: ▶ 13:48▶ 14:13▶ 14:50

Выгода:

• Устранение переключения между десятком интерфейсов: задачи, канбан, календарь, файлы и терминал AI находятся в одном окне.
• Возможность визуального брейншторминга на Canvas с последующей передачей майндмэпа на обработку агенту.

Как применить:

• Шаг 1: Создание тикета задачи в Obsidian — Obsidian] — Создайте заметку projects/my-site/tasks/task-001.md со свойствами для парсинга агентом.

---
task: Generate Deep-Dive Pillar Post
target_domain: example.com
assigned_agent: agents/emre
status: todo
tags:
  - blog
  - content-pipeline
---
 
# Task Instructions
Create a comprehensive guide on AI Agent Workflows. Follow `/workflows/pro-blog-workflow.md` and export deliverable to `/projects/my-site/deliverables/`.

• Шаг 2: Запуск агента Claude Code из терминала — Terminal / Obsidian Terminal Plugin] — Запустите Claude Code в корне проекта и скормите ему путь к тикету.

claude "Read /projects/my-site/tasks/task-001.md and execute the workflow using /home protocols."

Результат: Агент самостоятельно прочитает задачу, подтянет нужный workflow, проверит стандарты из brains, запишет прогресс в sessions/ и сложит готовый результат в папку артефактов.

FAQ

В: Зачем использовать Obsidian вместо веб-интерфейсов вроде ChatGPT или Claude.ai? О: В веб-интерфейсах контекст изолирован в рамках одного диалога, а история теряется. Obsidian выступает в роли единого структурированного хранилища файлов (Second Brain), где агенты имеют доступ к долговременной памяти, регламентам, файлам проектов и истории выполненных задач.

В: Что такое концепция /home и чем она отличается от обычных MCP-серверов? О: При установке большого количества MCP-инструментов и навыков (skills) их системные описания перегружают контекстное окно модели при каждом запросе. Концепция /home организует доступ через навигацию по файловой системе: агент обращается к нужным регламентам и файлам динамически, только когда они требуются по шагу воркфлоу.

В: Как система защищает от перерасхода бюджета при использовании платных API (например, DataForSEO)? О: В архитектуру заложен шлюз согласования (Approval Gate). Перед любым платным запросом агент останавливает выполнение, выставляет счет с ориентировочной стоимостью и возобновляет работу только после смены статуса на APPROVED человеком.

В: Что предотвращает генерацию некачественного AI-контента («AI slop»)? О: Контент создается по многоступенчатому пайплайну: сбор фактов, обязательное цитирование первоисточников, следование стандартам из brains/ и прохождение через отдельного агента-веrifaера (Verifier), который сверяет текст с правилами Google White-Hat перед публикацией.

В: Можно ли подключать другие агентные CLI-движки вместо Claude Code? О: Да. Поскольку вся логика хранится в стандартизированных Markdown-файлах, вы можете запускать Codex, Aider, OpenClaw, Cursor или любые кастомные скрипты — структура данных и правила исполнения останутся неизменными.

В: Как работает механизм Reinforcement Learning внутри Obsidian? О: Это текстовый контур обратной связи. При реджекте задачи человеком агент Learner фиксирует ошибку и корректирующее правило в файле learnings/rules.md. При последующих итерациях оркестратор подгружает эти правила в системный контекст, предотвращая повтор ошибок.

Ресурсы и ссылки

• Claude SEO — открытый репозиторий с набором навыков для полного аудита и оптимизации поискового продвижения — упомянут в видео (18.6k stars на GitHub).
• Claude Ads — открытый инструмент для автоматизации и создания рекламных кампаний — упомянут в видео.
• Claude Blog — специализированный открытый набор навыков для генерации структурированных блог-постов — упомянут в видео.
• ChatGPT Ads / ResearchPro / SalesBrain — открытые и внутренние репозитории организации автора — упомянуты в видео.
• DataForSEO — API-провайдер для получения данных по бэклинкам, поисковой выдаче и SEO-аналитике — https://dataforseo.com
• Obsidian — локальная среда для управления знаниями и файловой базой в формате Markdown — https://obsidian.md

Конспект создан на основе видео «AI Marketing Hub Home: The Marketing Harness for Agents» канала AI Marketing Hub. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=6OmpkvjhuyE